Analisis RAK Faktorial Memakai SPSS

Konsep RAK Faktorial

Konstruksi penelitian RAK faktorial adalah menguji pengaruh kombinasi dua faktor atau lebih terhadap perlakuan yang diamati. Misalnya menguji pengaruh pemberian pupuk dan penggunaan bibit terhadap produksi padi.

Aplikasi SPSS untuk RAK Faktorial

Totorial ini disajikan terpisah dalam versi zoom.

Interprestasi output SPSS untuk RAK Faktorial

Sebagai ilustrasi diuji pengaruh metode penggenangan sawah pada berbagai usia bibit padi terhadap tinggi tanaman. Simbol faktor dan perlakuannya sebagai berikut :

  • P1: penggenangan random
  • P2: penggenangan berselang 3 hari
  • P3: penggenangan berkelanjutan
  • B1: umur bibit  6 hari
  • B2: umur bibit 12 hari
  • B3: umur bibit 18 hari
  • B4: umur bibit 24 hari

Pengamatan dilakukan terhadap tinggi tanaman padi pada 2 mst, 6 mst dan 10 mst (sebagai ulangan).

Tabel 1. Data hasil pengamatan

Tabel 2. Data interaksi P x B

Dikutip dari statistik deskripsi

Output SPSS

Uji Anova

Interprestasi Anova dapat diketahui bahwa penggenangan air tidak berpengaruh nyata terhadap tinggi tanaman ( p = 0,533 > 5%) sementara faktor umur bibit berpengaruh nyata (p = 0,000 < 5%). Interaksi keduanya berpengaruh nyata terhadap tinggi tanaman ( p = 0,005 < 5%).

Menngingat variabel umur bibit (B) terbukti berpengaruh nyata maka perlu dilanjutkan dengan uji DMRT.

Uji DMRT Umur Bibit

Keterangan : Perlakuan yang diikuti huruf yang sama berarti tidak berbeda nyata

Dalam output SPSS tidak disertakan tanda pembeda, hanya ditandai dengan penempatan rata-rata dalam kolom (Subset) yang berbeda. Ketentuannya

  • Subset 1 : tanda pembeda huruf a
  • Subset 2 : tanda pembeda huruf b
  • Jika ada variabel dalam lebih dari satu subset maka diberi tanda pembeda sesuai subsetnya.Contoh variabel rata-rata B1 terdapat dalam subset 1 (huruf a) dan subset 2 (huruf b), maka rata-rata B1 diberi tanda pembeda ab, sehingga ditulis 29,2033ab. Artinya B1 tidak berbeda nyata dengan B2 (huruf a) dan B3 (huruf b) tetapi berbeda nyata dengan B4 ( huruf c)

Interprestasinya bahwa tinggi tanaman dengan usia bibit 6 hst ternyata paling rendah. Semakin lama usia bibit akan memberikan tinggi tanaman yang lebih baik.

2 thoughts on “Analisis RAK Faktorial Memakai SPSS”

Leave a Reply

Your email address will not be published.